计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2012年
29期
55-58,113
,共5页
非线性系统辨识%傅里叶神经网络%最速下降法%双折线步方法
非線性繫統辨識%傅裏葉神經網絡%最速下降法%雙摺線步方法
비선성계통변식%부리협신경망락%최속하강법%쌍절선보방법
目前神经网络已经成为解决非线性系统辨识问题的一类有效的方法,但是常用的多层感知器存在网络稳定性差、收敛速度慢的问题.在多层感知器和傅里叶级数基础上提出的傅里叶神经网络具有较好的泛化性、模式识别能力,但其学习算法主要采用最速下降法,易产生陷入局部极小,学习速度慢等问题.提出一种采用双折线步方法的傅里叶神经网络,避免了局部极小问题,且具有二阶收敛速度.通过相应的数值算例验证新算法的性能,并应用于非线性系统的识别问题中,其结果和几类经典的神经网络算法做了相应的对比和分析.
目前神經網絡已經成為解決非線性繫統辨識問題的一類有效的方法,但是常用的多層感知器存在網絡穩定性差、收斂速度慢的問題.在多層感知器和傅裏葉級數基礎上提齣的傅裏葉神經網絡具有較好的汎化性、模式識彆能力,但其學習算法主要採用最速下降法,易產生陷入跼部極小,學習速度慢等問題.提齣一種採用雙摺線步方法的傅裏葉神經網絡,避免瞭跼部極小問題,且具有二階收斂速度.通過相應的數值算例驗證新算法的性能,併應用于非線性繫統的識彆問題中,其結果和幾類經典的神經網絡算法做瞭相應的對比和分析.
목전신경망락이경성위해결비선성계통변식문제적일류유효적방법,단시상용적다층감지기존재망락은정성차、수렴속도만적문제.재다층감지기화부리협급수기출상제출적부리협신경망락구유교호적범화성、모식식별능력,단기학습산법주요채용최속하강법,역산생함입국부겁소,학습속도만등문제.제출일충채용쌍절선보방법적부리협신경망락,피면료국부겁소문제,차구유이계수렴속도.통과상응적수치산례험증신산법적성능,병응용우비선성계통적식별문제중,기결과화궤류경전적신경망락산법주료상응적대비화분석.